search
谷歌發布PAIR項目:改善人類與人工智慧的交互方式

谷歌發布PAIR項目:改善人類與人工智慧的交互方式

李杉 編譯自 Google Blog

量子位 出品 | 公眾號 QbitAI

機器學習技術在過去幾年取得了快速發展,技術能力大幅提升——語音識別更精準,圖片搜索更迅速,翻譯效果也更好。但我們相信,人工智慧的潛力不止於此。如果我們從一開始就把人的因素融入系統,它的實用性將會更強。

我們今天宣布People+AI Research Initiative(PAIR)項目。

該項目會將谷歌內部的研究人員集合起來,研究並重新設計人與人工智慧系統的互動方式,PAIR的目標是關注人工智慧中的「人類端」:用戶與技術的關係,它所能促成的新應用,以及如何擴大它的覆蓋範圍。我們的目標不只是發表論文,還希望推出開源工具,以供研究人員和其他專家使用。

根據用戶需求的不同,PAIR的研究分成3個領域:

工程師和研究人員:人工智慧由人開發。我們如何才能讓工程師更加簡單地開發和理解機器學習系統?他們需要哪些教育材料和實踐工具?

領域專家:人工智慧如何為專業人士提供幫助?隨著醫生、技師、設計師、農民和音樂人增加人工智慧技術的使用,我們如何為為其提供支持?

日常用戶:如何確保機器學習包羅萬象,好讓所有人都能從人工智慧的突破中獲益?設計思維能夠開啟全新的人工智慧應用?我們能否普及人工智慧背後的技術?

我們還沒有掌握所有答案,這正是研究的有趣之處,但我們對於發展方向有自己的想法。解開謎題的一大關鍵就是設計思維。能不能不再單純把人工智慧視作一項技術,而是把它想象成一種設計用的材料?

從這方面來看,或許可以以史為鑒:例如,計算機圖形技術的進步提供的不只是更好的繪圖方式——而是催生了新型的界面和應用。我們之前也講過所謂的「以人為本的機器學習」(HCML)。

我們將開放新工具的源代碼,製作教育材料(例如人工智慧界面設計指南),同時發表研究論文來回答問題,並讓儘可能多的人享受到人工智慧的力量。

今天,我們將開放Facets Overview和Facets Dive兩款可視化工具的源代碼。這些應用瞄準了人工智慧工程師,解決了機器學習流程最開始的問題。Facets讓工程師可以明確了解他們用來訓練人工智慧系統的數據。

Facets Overview截圖

Facets Dive截圖

我們認為這一點非常重要,因為訓練數據是現代人工智慧系統的關鍵組成部分,但往往成為不透明和困惑的來源。事實上,機器學習工程與傳統軟體工程的差異之一,就是更加依賴調試和數據,而非編碼。有了Facts,工程師可以更加容易地展開調試,並理解他們正在開發的東西。

地址在此:

我們也承認,我們並非第一個看到這一機會或提出這些問題的人或機構。很多設計師和學者都開始探索人類/人工智慧互動。他們的工作對我們形成了啟發,我們將社區建設和研究支持視作自身使命的核心。

我們將與兩位訪問學者合作——哈佛大學的布倫丹·米德(Brendan Meade)教授和麻省理工學院的哈爾·阿貝爾森(Hal Abelson)——他們都在關注人工智慧時代的教育和科學問題。

關注人工智慧中的人類因素可以帶來全新的可能。我們很高興與外界共同探索這些可能。

【完】

一則通知

量子位讀者5群開放申請,對人工智慧感興趣的朋友,可以添加量子位小助手的微信qbitbot2,申請入群,一起研討人工智慧。

另外,量子位大咖雲集的自動駕駛技術群,僅接納研究自動駕駛相關領域的在校學生或一線工程師。申請方式:添加qbitbot2為好友,備註「自動駕駛」申請加入~

掃碼強行關注『量子位』

熱門推薦

本文由 一點資訊 提供 原文連結

一點資訊
寫了5860316篇文章,獲得23307次喜歡
留言回覆
回覆
精彩推薦